논문 상세보기
pp.69-80
작물 증발산량은 잠재 증발산량에서 작물계수를 곱하여 작 물의 요수량을 산출할 수 있어 수자원 관리에 널리 사용되는 방법이다. 특히 유엔식량농업기구(FAO)가 관개 및 배수 논 문 NO.56에서 발표한 Penman-Monteith 방정식(FAO 56-PM) 은 잠재 증발산량을 추정하는 표준방법으로, 평균온도, 최대 온도, 최소온도, 상대습도, 풍속 및 일사량의 6가지 기상 데이 터가 필요하다. 그러나 농경지 인근에 설치된 기상센서는 설 치 및 유지보수 비용이 높아 결측, 이상치와 같은 데이터 신뢰 성 문제를 야기하여 정확한 증발산량 계산을 복잡하게 만든 다. 본 연구에서는 인근 기상청의 데이터를 사용하여 필요한 6가지 기상 변수를 예측함으로써 기상 센서 없이 작물 증발산량을 추정할 수 있는지 조사하였다. 우리는 기상청의 API를 통해 수집할 수 있는 22개의 기상 변수를 입력 데이터로 활용 했다. 9개의 회귀 모델을 학습한 후 성능에 따라 상위 3개를 선 택하고 하이퍼파라미터 튜닝을 적용하여 최적의 모델을 식별 했다. 가장 좋은 성능을 보인 모델은 Extreme Gradient Boosting Regression(XGBR)이었으며 평균온도, 최대온도, 최소온도, 상대습도, 풍속 및 일사량에서 결정계수(R2)가 각 0.98, 0.99, 0.99, 0.91, 0.72, 0.86로 높은 결과를 얻을 수 있었다. 이러한 결과는 XGBR 모델이 작물 기상 데이터를 사용하여 작물 증 발산 모델에 필요한 입력 값을 정확하게 예측할 수 있어 값비 싼 기상 센서가 필요 없음을 시사한다. 이 접근 방식은 센서 설 치 및 유지보수가 어려운 지역에서 특히 유용할 수 있으며, 직 접적인 센서 데이터 없이도 표준 증발산 모델의 사용을 가능 하게 한다.
Crop evapotranspiration can be calculated by multiplying potential evapotranspiration by the crop coefficient, making it widely used method in water resource management. The Penman-Monteith equation (FAO 56-PM), published in Food and Agriculture Organization of the United Nations (FAO) Irrigation and Drainage Paper No. 56, is the standard method for estimating potential evapotranspiration, requiring six meteorological inputs: mean temperature, maximum temperature, minimum temperature, relative humidity, wind speed, and solar radiation. However, weather sensors installed near farmland often come with high installation and maintenance costs, leading to data reliability issues, such as missing values or outliers, which complicate accurate evapotranspiration calculations. This study investigates whether crop evapotranspiration can be estimated without weather sensors by using nearby meteorological data to predict the six required weather variables. We utilized 22 meteorological variables available through the meteorological agency’s API as input data. After training nine regression models, we selected the top three based on performance and applied hyperparameter tuning to identify the optimal model. The Extreme Gradient Boosting Regression (XGBR) model showed the best performance, with R-squared values of 0.98, 0.99, 0.99, 0.91, 0.72, and 0.86 for mean temperature, maximum temperature, minimum temperature, relative humidity, wind speed, and solar radiation, respectively. These results suggest that the XGBR model can accurately predict the necessary inputs for crop evapotranspiration models using meteorological data, eliminating the need for expensive weather sensors. This approach could be particularly beneficial in regions where sensor installation and maintenance are challenging, enabling the use of standard evapotranspiration models without direct sensor data.
서 론
재료 및 방법
1. 데이터 수집 및 전처리
2. FAO 56-PM 공식을 이용한 기준 작물 증발산량 계산
3. 9가지 회귀 알고리즘
4. 모델 평가 방법
결과 및 고찰
1. 모델 예측 분석
2. 최종 모델 선정
3. 모델을 이용하여 계산된 ETo 평가
4. 특징 중요도 분석
적 요
사 사
Literature Cited
